使用原始的df1索引创建系列：
df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)
编辑2015年
有些人报告
SettingWithCopyWarning使用此代码。
但是，该代码仍可以在当前的熊猫0.10.1版本中完美运行。
>>> sLength = len(df1['a'])>>> df1 a b c d6 -0.269221 -0.026476 0.997517 1.2943858 0.917438 0.847941 0.034235 -0.448948>>> df1['e'] = pd.Series(np.random.randn(sLength), index=df1.index)>>> df1 a b c d e6 -0.269221 -0.026476 0.997517 1.294385 1.7571678 0.917438 0.847941 0.034235 -0.448948 2.228131>>> p.version.short_version'0.16.1'
该
SettingWithCopyWarning目标对数据帧的副本通知可能无效转让的。它不一定表示您做错了（它可能会触发误报），但从0.13.0起，它会让您知道有更多适当的方法可以实现相同的目的。然后，如果收到警告，请遵循其建议：尝试使用.loc [row_index，col_indexer] = value代替
>>> df1.loc[:,'f'] = pd.Series(np.random.randn(sLength), index=df1.index)>>> df1 a b c d e f6 -0.269221 -0.026476 0.997517 1.294385 1.757167 -0.0509278 0.917438 0.847941 0.034235 -0.448948 2.228131 0.006109>>>
实际上，这是目前熊猫文档中描述的更有效的方法
编辑2017
如评论中所述，@ Alexander指出，当前最好将Series的值添加为Dataframe的新列的最佳方法是使用assign：
df1 = df1.assign(e=pd.Series(np.random.randn(sLength)).values)
